报告概述

面对社会、科研、企业对于大数据人才的紧迫需求，上海交大网络信息中心联合EMC卓越研究集团，于2015年4月共同举办“EMC杯上海交大智慧校园数据分析大赛”。

这次数据分析大赛将开放校园数据，并启动数据训练营，鼓励同学和社会人士参与到大数据的学习和实践之中。

本次研究是参加EMC杯智慧校园开放数据大赛的比赛报告,比赛举办方是交大网络信息中心；比赛数据由上海交通大学网络信息中心和OMNILab联合提供。

整体上来说，本研究要达到以下几个目标：

我们分析了基于商户信息、用户信息、交易记录、气象记录和校园网记录五个数据集。

数据获取与整理

数据分为以下几个部分：

用户信息中包含了上海交通大学闵行校区使用过校园卡消费的学生信息。包扩卡号（匿名化）、学号（匿名化）、性别、年龄、入学年、学生类型。共30861项观测，包含30861个一卡通账户、30812个学号，即有49名学生拥有两个一卡通账户。时间跨度为2014-09-01至2015-01-31。

交易记录中包含了上海交通大学闵行校区的校园卡消费信息。每条交易记录包括消费者卡号、商户号、商户所属系统、交易时间、交易金额。共7915289项交易记录，时间跨度为2014-09-01至2015-01-31。

商户信息中包含了上海交通大学大学闵行校区各个商户的信息。包括商户所属系统代码、商户所属系统名称、商户代码、商户名称、商户地点（有缺失）、商户成立时间。共134项观测，包含32个商户系统、85个子商户。

上海天气数据包含了上海交通大学闵行校区的天气数据，共26660项气象记录，时间跨度为2014-08-15至2015-03-25。

校园网记录中包含了共12736408项校园网记录，时间跨度为2014-09-01至2015-01-31。

首先清理数据中的NA值，发现数据的格式较好，并不存在NA值(除部分商铺地点外)。为了更好的分析每次持卡消费的用户数据，我们将trade和account数据合并，先查视数据的概况：

## 'data.frame':    7913633 obs. of  11 variables:
##  $ fromaccount: Factor w/ 30861 levels "A10261","A11648",..: 1 2 2 2 2 2 2 2 2 2 ...
##  $ toaccount  : int  1000143 1000003 1000029 1000091 1000108 1000091 1000001 1000011 1000003 1000029 ...
##  $ syscode    : int  81 30 34 19 267 19 30 30 30 34 ...
##  $ timestamp  : POSIXlt, format: "2014-09-27 16:25:08" "2014-12-16 11:41:35" ...
##  $ amount     : int  580 550 250 122 1000 146 516 450 150 250 ...
##  $ cat        : chr  "supermarket" "mensa" "mensa" "bathwater" ...
##  $ studentcode: int  36157082 92011843 92011843 92011843 92011843 92011843 92011843 92011843 92011843 92011843 ...
##  $ gender     : Factor w/ 2 levels "female","male": 1 2 2 2 2 2 2 2 2 2 ...
##  $ yearofbirth: int  1988 1997 1997 1997 1997 1997 1997 1997 1997 1997 ...
##  $ grade      : int  2013 2014 2014 2014 2014 2014 2014 2014 2014 2014 ...
##  $ type       : Factor w/ 3 levels "undergraduate",..: 3 1 1 1 1 1 1 1 1 1 ...

整理数据后，可以发现有一些错误数据，比如用户的消费金额小于等于0这类数据共有120条；还会有一些用户的单笔消费数据非常之大，消费金额在100~1600元不等;我们先剔除这些异常数据。

接下来画出直方图统计消费金额比较高的频次分布：

由图可以发现，消费金额在20元(2000分)以上的持卡人群十分少。可以考虑从数据中选取消费金额在(0,2000)区间的用户。利用3- σ原则，我们得到有效数据的上限是’μ+3σ’，为2091.491分，约为21元，这也符合可视化后的结果以及我们现实生活中的消费经验。因此我们选取有效数据的上限为2091分。

我们先看一下数据的概况：

一卡通用户消费概况分析

我们统计了各窗口消费类别总额以及消费类别次数，观察不同学历用户的消费偏好，如下图：

以及不同学历用户消费类别的均值，如下图：

那么不同性别用户的消费总额会有什么区别呢：

为了发现校园用户的消费倾向，我们将商户信息分为以下几类：

以饼图展示用户消费分布：

可以看出校园卡消费用户大部分的消费记录都集中在食堂(72.31%)上；此外洗浴及热水(19.23%)和超市(6.86%)消费也占据了一部分，其他的消费记录(其他服务、运动、图书馆)只占据了极小部分(1.60%)。

由图中我们可以可以得出学校持卡用户的总体消费情况：

食堂的就餐行为占整个用户的刷卡交易行为的72.31%，可见食堂就餐是一卡通持卡用户交易最频繁、交易量最大的消费行为，因此，高校后勤部门应强化对学校食堂的管理，满足用户的就餐需求 一卡通用户在运动、图书馆、其他消费活动中刷卡率较低，这说明用户在以上应用场景中很少持卡消费

结合项目的分析目标，我将重点集中在对校园卡持卡用户对餐饮的消费数据。

餐饮系统概况分析

为了便于餐饮系统进行改进，还要尽可能描述校园卡餐饮消费人群的人群画像，即利用数据分析需求人群的特征，准确的概括出对某一商户消费行为频繁、需求大的用户。在此之前，我们感兴趣的是在不同消费行为中，不同性别、学历的用户的消费行为有何不同。

不同性别、学历的消费金额分布

在就餐、超市、活动、水果等消费分类中，男生和女生的消费金额有何不同？如下图：

可以很明显地看出，女生在就餐上的开销总体大约比男生少600元，硕士和博士在就餐上的花费范围也比本科生波动要大一些。

而本科生在超市和点心上的消费比硕士和博士更多，女生在水果和咖啡上的消费也比男生要多一些。

不同性别、学历的消费次数分布

在就餐、超市、活动、水果等消费分类中，男生和女生的消费次数有何不同？如下图：

从消费次数分布可以看到更明显的一些特征。男生人均比女生在食堂就餐的次数更多，女生比男生洗澡次数更多，本科生比硕士和博士生逛超市的次数更多。

从本科到硕士到博士，学生在食堂就餐的最低次数逐渐降低，也许是因为忙于科研没时间出去吃饭，所以养成了点外卖的习惯～

还有一个很出人意料的结论：各类用户（男和女，本硕博）中都有在就餐方面消费总额和次数均为零的情况，他们从来不在食堂吃饭！

我们再看一组不同性别用户在食堂消费需求的直方图：

食堂就餐峰值、容积率分析统计

食堂就餐峰值是指食堂在一天营业过程中所呈现的最多就餐人数；食堂实际容积率是指食堂在一定时期内平均每天接纳就餐人数。 高校用户刷卡行为主要集中在食堂用餐环节，因此通过分析持卡用户的食堂刷卡记录就不难推算出学校食堂容量是否合理，食堂设备资源是否存在闲置浪费。而工作日和双休日的消费峰值一定会存在差异，以闵行第一食堂为例，我们选取11月份（不调休，不补假）中一个工作周的数据加权得到工作日食堂的消费频次数据，如下图所示为工作日的食堂消费峰值曲线图：

通过对工作日就餐峰值曲线图的分析得知，食堂用餐高峰主要集中在一天当中的11：50 - 12：00时段，每天的早晚就餐时段内均略低于中午的就餐峰值。 从图中我们可以推测学生的早餐用餐情况不佳，有一部分学生没有吃早点的习惯

而周末的数据如下：

从图中我们可以发现早餐的高峰推迟到近9点左右，说明很多同学周末喜爱睡懒觉（笑）。而且早、午、晚的就餐峰值也明显低于工作日的数据。

我们还可以得到2014年9月-2015年1月，食堂日消费频次的整体变化趋势，如下图

从图中我们可以发现图中有几个明显的日均消费频次减少的时间点，有10月初、1月初等，结合2014年下半年SJTU的节假日安排，可以发现这几个时间节点是法定节假日：

可以发现，食堂的节假日消费与平时有着显著不同，去食堂消费的学生会显著减少。我们推测可能是以下几个原因：

第一种推测很难得到验证；我们先分析第二种可能，为了验证这一结论要得到2014年9月-2015年1月用户的外卖订餐数据，因为时间有限我们采取一种简单的approach去尽可能逼近用户真实的外卖订餐数据，在这里我们采用一些外卖网站的百度指数，来还原一个时期内用户的外卖行为。上海交通大学是饿了么外卖网站的发源地，因此我们不妨以饿了么的搜索量为指标，下图是上海地区2014年9月-2015年1月的“饿了么网上订餐”这一关键词的百度指数变化趋势：

我们可以发现与食堂消费频次数据在周末时出现波谷这一事实相对应的，“饿了么网上订餐”的百度指数在周末时取得峰值；又因为饿了么使用人群大多数是在校大学生，结合身边的生活实际也确实是周末订餐相比于平时工作日更频繁，因此这一关键词确实能一定程度上体现用户的外卖订餐趋势，并且可以做出推测，互联网外卖订餐在周末时会对食堂消费造成影响，分散了部分食堂消费的人群。

但通过观察百度指数的变化趋势我们发现，在10.1这样的法定假日，外卖的搜索量与食堂的消费频次都大幅度降低，这很可能证明了我们的第一个推论，即节假日时学生们更喜欢外出游玩并就餐。

综合上述分析，针对节假日的消费特点，学校后勤部门可以根据节假日用户消费行为的特点按照如下几方面改进：

其他因素对食堂消费行为的影响

利用上海气象局提供的2014年9月-2015年2月SJTU的气象数据，可以分析气温变化和降水量对食堂消费数据的影响。绘制Missing Map，可以看到天气数据缺少了一段连续序列，整理数据发现为2014年9月6日~9月28日的数据。

我们利用温度变化的趋势平滑拟合缺失数据，可以绘制如下的趋势图：

同理可绘制降水量变化的趋势图：

我们先来看气温对食堂消费频次的影响，整体来说气温呈现下降趋势的，这与食堂消费频次的变化趋势相吻合，但我们不能说这两者具有相关性，因为我们这很可能是期末考试周的临近以或其他原因导致食堂的消费频次变少，我们要进行相关性分析才能确定两者是否存在相关关系。

要进行相关分析，就需要对气温和降水量的缺失数据进行修补，这里我们同样利用曲线拟合时采用的LOESS模型进行数据的修补。补充后的降水数据和气温数据如下图：

可以看出原缺失数据得到了平滑的修补，能体现气温与降水的整体变化趋势。接下来我们分别就气温、降水与食堂消费频次的相关性进行分析。主要分为以下几个步骤：

  1. 原始数据标准化

  2. 判断两随机变量分布类型，选择适用的相关系数分析

  3. 相关系数显著性检验

我们先对原数据标准化后使用Shapiro-Wilk Test，判断各变量是否服从正态分布。

## 
##  Shapiro-Wilk normality test
## 
## data:  water
## W = 0.3615, p-value < 2.2e-16
## 
##  Shapiro-Wilk normality test
## 
## data:  temp
## W = 0.9337, p-value = 1.573e-06
## 
##  Shapiro-Wilk normality test
## 
## data:  trend.freq1$tf
## W = 0.9187, p-value = 1.489e-07

p值全部小于0.05，因此这三个变量都不服从正态分布，也就是气温-消费频次、降水量-消费频次之间不服从双变量正态分布，皮尔森相关系数（Pearson Correlation Coefficient）不适用，我们考虑用斯皮尔曼相关系数（Spearman’s correlation coefficient）。

# Spearman's Correlation Coefficient
# Precipitation vs. Freq
cor.test(test[,2],test[,1], method="spearman")
## 
##  Spearman's rank correlation rho
## 
## data:  test[, 2] and test[, 1]
## S = 631592.4, p-value = 0.3325
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##         rho 
## -0.07913592

可以发现p值 = 0.3325 > 0.05，故降水与消费频次没有相关性。

我们再看看温度和消费频次的相关系数：

# Temperature vs. Freq
cor.test(test[,3],test[,1], method="spearman")
## 
##  Spearman's rank correlation rho
## 
## data:  test[, 3] and test[, 1]
## S = 428998.5, p-value = 0.0008829
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.2670151

可以发现p值 = 0.0008829 < 0.05，故温度与消费频次有相关性。rho = 0.26，可以看出是正相关，但相关性不强。

与我们平时的认知不符合的是，降水量对学生食堂就餐行为并不相关。这可能是由于两个原因造成的：

我们知道温度相较于降水量的数据来说，相对更连续稳定一些，降温、升温等极端天气数据波动不大；而降水量则是波动性比较强的变量，从图中就可以看出降水量变化曲线十分尖锐。因此很可能造成了两个变量并不存在线性相关关系，数据背后或许有更深的规律；还有可能是因为降雨量数据波动幅度比较大，造成了对相关性系数的干扰。

我们考虑采用数据可视化的手段来挖掘降水量和食堂消费数据的相关性。我们以教三食堂的数据，绘制11月18日和11月25日三餐一楼消费记录的二维密度图和散点图，分别作为无雨天气和有雨天气的食堂就餐行为示例，并结合校园网数据和气象数据进一步分析影响就餐人数的可能因素。

可以看出，晴天学生就餐时间更为集中，而雨天就餐时间则相对分散。从密度图和散点图都可以看出学生就餐时间和金额的分布，从散点图还可以看出不同学位学生就餐时间的差异。

我们再来进一步分析三餐一楼每日消费总额和降雨量、每日校园网活跃人数的关系。黑色点线代表日消费总额，绿线代表每日校园网活跃人数，蓝线代表日均降雨量。可以看出，三餐一楼日消费总额呈现明显的周期效应：工作日就餐量增加，周末就餐量陡降，并且在节假日显著降低，如9月开学季、国庆节、元旦节和寒假，这和我们之前的结论一致。除此之外，紫色的回归线也暗示了在线人数的变化趋势。

看以每次降雨量的尖峰都将导致当日消费总额的下降，如10月31日、11月下旬、1月13日等；此外，校园网日均活跃人数和当日消费总额有着极强的正比例相关，两者增幅的波动呈现出完全一致的特征，这也是情理之中的结果。

我们再查视这一组图，可以发现，在10月末-12月末，周末的用餐频次呈先降低后升高的趋势，这与降水量10月末-12月末的变化趋势惊人的吻合，如下图：

将用餐区曲线与降水量曲线相比较后我们可以得出一个推论，因为周末不需要去上课，学生不会因为客观因素比如上课、出勤等目的去户外，所以此时如果下雨的话，会对学生用餐行为造成一定影响，学生可能懒得冒雨去食堂就餐。也就是说此时降水量对食堂消费行为的影响才开始体现出来。

综合上述分析，我们可以得到结论：

消费人群聚类分析（校园卡消费人群画像，开发分类应用）

利用这些数据我们还可以挖掘到更多规律。举例来说，校园卡消费人群具有许多特性，不同人群每周去食堂、超市、洗浴中心的次数，以及在不同场所的花销也不同，但总体来说人群会根据消费习惯的不同形成不同的类别；如宅男可能很少去食堂但经常去超市买泡面、女神晚上不去食堂但经常去洗澡等等……因此我们对校园卡消费人群进行聚类分析。这里我们需要分析消费人群在不同消费场景的总体分布，所以我们除了考虑食堂的消费外，也要考虑在超市及热水洗浴的消费。

聚类分析法是一种无监督的机器学习方法,即根据事物某方面特性把它们划分成为多个类别,使得属于同一类别的个体具有相似的特性或比较高的相似度,而不属于同一类别的个体具有不同的特征或比较低的相似度。同一类别的相似性越大,不同类别间差别越大,聚类效果就越好。因为我们的数据集比较大，而涉及到的数值型的属性比较多（消费数额，消费次数等），所以这里我们选用基于划分的K-Means聚类。

聚类特征的选取很重要，考虑到对消费人群进行画像，我们选取学生在食堂、洗浴中心及超市的消费次数、平均消费金额作为特征。整理好数据集后我们查视一下数据集的格式：

studentcode mensa_times mensa_amount super_times super_amount bath_times bath_amount gender type age
11000737 2 550.0000 0 0.0000 0 0.00000 female undergraduate 24
11001313 516 684.2907 5 508.0000 166 42.47590 male undergraduate 19
11003224 181 727.0442 22 835.0000 17 150.70588 female undergraduate 20
11004849 137 478.2044 2 530.0000 53 165.28302 female undergraduate 22
11005182 144 622.7917 113 750.0885 129 134.20155 male undergraduate 21
11008939 520 580.6269 41 845.3659 0 0.00000 male undergraduate 20
11009973 23 417.2174 130 863.7231 15 174.13333 female undergraduate 20
11010061 98 640.2245 22 655.9091 87 61.49425 male undergraduate 22
11011413 220 662.6273 5 1812.0000 36 115.50000 male undergraduate 21
11012018 374 737.9920 0 0.0000 75 137.44000 male undergraduate 20

我们从中选取数据的数值特征，为了保证可靠的方差分析，我们先用scale函数对样本特征的取值范围进行归一化，并绘制组内方差图选取合适的K值，下面的图表现了不同K值下组内方差的结果。x轴代表聚类个数，y轴代表平均组内方差。我们可以看到，当聚类数目越大的时候，每组的组内方差就越小。：

source("data/wssplot.R")
## choose numerical data
ds <- scale(ds.merge[,-c(1,8,9,10)])
wssplot(ds)

可以看出当聚类个数K>5后组内方差下降趋势变缓，同时也保证了K的数目足够小，所以我们选取K=5为聚类个数。

利用R的kmeans函数可以很快实现K-Means，如下：

## k = 5
fit.km <- kmeans(ds, 5, nstart=25)

每一类的样本个数为：

## [1] 9227 3544 6189 6999 1877

建立好聚类模型后，我们看一下这5大类的聚类中心：

cluster mensa_times mensa_amount super_times super_amount bath_times bath_amount
1 -0.28 0.17 -0.17 0.27 -0.09 0.81
2 0.56 -0.15 -0.16 0.14 1.88 0.05
3 -1.06 0.27 -0.34 -0.55 -0.81 -1.27
4 1.07 -0.36 -0.23 0.01 -0.20 -0.05
5 -0.18 -0.11 3.11 0.20 0.33 0.31

我们再简单看一下不同性别、学历在各组中的分布情况：

1 2 3 4 5
female 3295 1509 2157 1497 468
male 5932 2035 4032 5502 1409
1 2 3 4 5
undergraduate 5540 1535 2322 3277 1849
phd 1186 638 1306 1268 14
master 2501 1371 2561 2454 14

得到聚类中心后，我们可以可视化我们的聚类结果，我们不妨比较一下去食堂次数以及去超市次数的聚类散点图：

可以从图中看出形成了比较明显的聚类，即属于第五聚类的人群去超市次数多于其他各类，去食堂次数则相对较少，从生活习性我们可以推断这些人可能是比较喜欢买泡面解决饮食的宅男们。

不妨再比较一下去食堂次数以及去洗浴中心等次数的聚类散点图：

我们从图中可以果断的找出女神人群就是第二聚类，爱洗澡+生活有规律(去食堂)+女生占比大的种类，非女神莫属！

接下来的聚类人群我们可以根据不同性别，不同学历在各组间出现的比例来推测这个组的性质。

就此我们可以得到这5类人群的画像：

看到了这么多奇葩分类，想必许多同学开始跃跃欲试想测一下自己的分类了，我开发了这一应用想必可以满足各位的需求，请点击这里。

用户就餐模式分析

以下从横向和纵向两个角度进行用户就餐模式分析。

横向模式分析包括用户的就餐均匀度，即在用户就餐选择的均匀度，和最常去的子商户。就餐均匀度越接近1，表示用户常去的就餐地点越少。下图展示了横向模式分析的结果：

我们可以发现本科、硕士和博士最常去的食堂存在明显差异，例如在哈乐之家和淮阳快餐就餐的本科生最多；大部分用户就餐均匀度偏离1，表示他们就餐的食堂较多；纵轴为NA或横轴为0表示用户没有任何就餐记录，他们不吃食堂！

纵向模式分析包括用户的总就餐次数，以及工作日就餐比，即工作日就餐次数占总就餐次数的比例。工作日就餐比越高，则用户周末在学校就餐的概率越低。下图展示了纵向模式分析的结果：

就餐次数最大达500多次，在153天的时间跨度里，几乎是每天都在食堂就餐三次；就餐次数最少为0，有很大一群人，他们从不在食堂就餐。

而大部分人的工作日就餐比在0.6和0.9之间，男生和女生的工作日就餐比均值分别为0.772和0.776十分接近，本科生、博士和硕士的就餐比均值分别为0.788、0.788和0.738。

用户就餐模式分析的一个应用——猜猜哪个是你？

虽然数据经过脱敏处理，但我们依然可以利用性别、入学年份、出生年份、学位类别、最常去的食堂、就餐均匀度、总就餐次数和工作日就餐比等特征，匹配自己的资料和就餐习惯，逐步缩小筛选范围并最终锁定目标。

我们以张同学为例，在了解张同学的一些基本信息和消费习惯后，最后筛选出15个嫌疑人，如下图：

即便只剩15个候选对象，从消费分布来看仍不能确定哪一个是张同学。使用Influxdb结合Grafana进行时间序列数据可视化后，最终分析并确定逆解析结果为C56309！

食堂人流量预测（开发展示应用）

因为本次比赛公开了足够多的数据，因此我们可以考虑基于历史数据对上海交通大学闵行校区的学生食堂就餐行为进行预测。基于历史数据对用餐频率进行预测，因为周末的数据和周一至周五的数据有较大差别且周期性不是太强，我们这里这里只考虑工作日的用餐人流量（消费频次）预测。

通过观察几个工作日的数据，我们发现周一到周五总体呈现递减趋势，并且有一定的周期性（午饭、晚饭时段会出现的周期性用餐峰值），即数据具有明显的趋势(Trend)以及季节性变化(Seasonal Variations)，我们可以考虑利用时序分析中的霍尔特-温特方法(The Holt-Winters Forecasting Method)来实现对消费频率的预测。

在R语言中，实现预测的方法主要是利用stl包；我们先选择用户就餐比较稳定的一段时间20141103-20141108的工作日数据，将每天05:00~22:00的数据，以5分钟为粒度汇总，即可得到比较标准的时间序列。结合ts包和stl包即可得到比较好的预测效果，注意的是，这里stl的参数选取’periodic’,即fit = stl(dt.ts, ‘periodic’)

最后我们再根据预测数据绘制可视化图表，如下图：

我构建了一个基于shinyapp的应用，已经发布在这里。简单介绍一下该应用，应用的界面如下：

用户可以自行调节时间轴，地图上会显示相应时间食堂的拥挤程度，从绿色至红色显示食堂的容量趋近饱和；点击各个食堂还会显示两个小时区间的食堂消费频次预测；可以通过变化预测时间观察食堂的消费频次变化趋势。

结合地理信息的食堂消费人群演化研究（开发展示应用）

我们还利用ECharts+WebService搭建了一个食堂消费人群实时监测系统，数据是利用一天的真实数据动态监测，数据库利用MySql，后端是WebService，前端利用EChart实现，效果如下：

针对用户不同时段在餐厅的消费信息，我们还绘制了用户分布热力图，方便用户在高峰时段选择人群较少的食堂就餐。效果如下：

彩蛋——趣味数据挖掘

利用本次比赛开放的数据，我们即可以进行很多有深度的研究，也可以在分析数据的过程中得到很多有趣的结果；我们分析了闵行校区各大食堂的供餐特色，并进一步分析了一些有趣的各项之最，简单绘制了餐饮系统消费人群画像。在这里我们先给出结果，具体的可视化图表我们集成在了本地服务器的网站上。

最受欢迎的食堂:

最受欢迎的食堂非三餐一楼莫属。新闵行第三餐饮学生餐厅完成装修后于2014年9月2日重新投入营业。在观测时间范围内，营业额为3793804元，在各子商户中排名第一；消费人次达626013次，同样位于第一。

除此之外，我们还可以统计了最受欢迎的食堂窗口并根据词频绘制了标签云：

女神最多的食堂:

我们将聚类后的结果与消费数据匹配，得到第二聚类中女性（即女神）的消费频次分布，如下图：

大妈最专业的食堂:

大妈最专业的食堂是三餐的学生餐厅，这里每天高峰时段11:50-12:00，每分钟平均有46次消费数据。大妈要足够有效率才可以处理如此高的流量。如下图:

在业界平均速度为72次/10分钟时，学生餐厅的大妈以461次/10分钟诠释了行业标杆。

最佳好基友/好男友:

好基友的定义有很多种，利用餐饮数据，我们简单的定义最佳好基友为帮基友或舍友带饭的童鞋；而好男友简单的定义为每次都会帮女友刷卡的童鞋们。。。他们之间共同的特征是会在连续打若干次饭，并且价钱相近。利用这条规则，我们在找到了20000多次刷卡记录，剔除掉无效的数据（同一时间出现两条数据的、联系两次但价格相差很大的），共有10000余条这样的记录，这说明至少有10000次这样代为打饭的同学。前5名如下所示：

account studentcode gender yearofbirth grade type
24436 D78873 76106146 male 1995 2013 undergraduate
17896 C76128 17148582 male 1991 2013 master
22572 D66400 89059741 male 1993 2011 undergraduate
13994 C44402 98140062 male 1990 2011 phd
13438 C37125 51051246 male 1995 2013 undergraduate

可以发现清一色都是男生，第一名的童鞋打饭次数达到了一学期19次，一周至少1-2次，还是很勤劳的。

另外，榜单上没有显示的信息是，带打饭次数top10都是男生。。。

最佳好闺蜜:

显然闺蜜的界定方式也和好基友类似，但较为不同的是基本可以排除情侣的存在，毕竟傲娇的男友很少让女朋友带自己刷卡。。。我们发现带打饭的妹子都很少，一学期带打饭次数超过10次的只有两名女同学：

account studentcode gender yearofbirth grade type
16934 C69634 32133473 male 1991 2014 phd
7461 B40021 34008326 male 1993 2011 undergraduate

政策建议与总结

结果已出，紧锣密鼓组织展示中…